1 | Journal Computer Science and Information Technology(JCoInT)

Program Studi Teknologi Informasi, Fakultas Sains & Teknologi, Universitas Labuhanbatu
Volume: 1 Issue 1, November 2020, Page: 16-22
ISSN: 2774-7751
Journal Homepage : http://jurnal.ulb.ac.id/index.php/JCoInT/index

SISTEM KEPUTUSAN KINERJA DOSEN ABSENSI DATA

MENGGUNAKAN ALGORITMA APRIRORI STUDI KASUS
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS
LABUHANBATU
Budianto Bangun1), Rahmadani Pane2) , Ali Akbar Ritonga3), Iwan Purnama4), Laila Hamkimi Siregar5) Email:
Budiantobangun44@gmail.com, rahmadanipane@gmail.com , aliakbarritonga@gmail.com, iwanpurnama@gmail.com, lailahamkimisiregar@gmai.com

1,2,3,4,5
Program Studi Teknologi Informasi, Fakultas Sains & Teknologi, Universitas Labuhanbatu

ABSTRACTS ARTICLE INFO

Article History:
Pedoman dan penulisan mengenai data dosen dalam Received
Revised
proses data absensi dosen fakultas sains dan teknologi Accepted
disalah satu universatas labuhanbatu dalam penulisan ini Available onlinee 09 Sep 2018
dapat dijelaskan dalam prosedur mendalam dapat ___________________
merancang dalam keputusan hasil data absen dosen Keywords:
data mining
dimana dengan ini menggunakan data mining yang akan algoritma apriori
diproses melaluhi algoritma apriori dalam software rosetta
menyelesaikan prosedur algoritma tersebut. Penelitian
ini bertujuan untuk menentukan data absensi dosen
yang berhak mendapatkan rekomendasi dari pimpinan
perusahaan berdasarkan salah satu penilaian kinerja
yang dilakukan oleh dosen. Data kehadiran dosen
dikumpulkan melalui observasi yang dilakukan kepada
Kepala Tata Usaha di Fakultas Sain dan Teknologi
Universitas Labuhanbatu. Data tersebut dianalisis untuk
menemukan informasi tersembunyi. Dari pengujian yang
dilakukan dengan menggunakan algoritma Apriori dan
Software Rosetta dapat memberikan hasil yang akurat
dalam penemuan informasi tersembunyi tersebut. Hasil
dari pengujian ditemukan informasi tersembunyi dari
data kehadiran kinerja dosen yang bernama Masrizal,
S.Kom,M.Kom dengan aturan asosiasi informasi datang
“tepat waktu” dan informasi pulang “ tepat waktu”
dengan nilai minimum Support 30% dan nilai minimum
Confidence 88.96%. Dari hasil pengujian dapat diketahui
bahwa penerapan data mining menggunakan algoritma
Apriori dapat dimanfaatkan untuk menentukan
karyawan mana yang akan direkomendasikan dan tidak
direkomendasikan dalam proses tingkat kinerja yang
terbaik berkala.
 Journal Computer Science and Information Technology(JCoInT)| 2

© Journal Computer Science and Information Technology(JCoInT)

I. PENDAHULUAN
1.1. Latar Belakang Masalah
Dosen merupakan sumber daya manusia dalam suatu perusahaan. Dosen
mempunyai peranan yang penting dalam suatu perusahaan yang bergerak di
berbagai bidang, khususnya di bidang pendidikan, yaitu sebagai pengendali aktivitas
perusahaan karena memiliki bakat, tenaga dan kreatifitas yang sangat dibutuhkan
untuk mencapai tujuan perusahaan [1].
Fakultas Sains dan Teknologi yag ada disalah satu universitas Swasta Disumatera
utara yaitu Universitas Labuhanbatu. Dalam proses peningkatan kinerja dosen
dibidang fakultas sain dan teknologi merupakan teknologi yang kami kembangkan
sesuai bidang teknologi masing dalam kejurusan Oleh karena itu, perlu dilakukan
penilaian terhadap kinerja Dosen yang difakultas sain dan teknologi.
Menurut Surat Keputusan Rektor Universitas Labuhanbatu bahwa kegiatan dalam
prosedur dunia pekerjaan berkala didasarkan atas penilaian dan rekomendasi
pimpinan unit, dilakukan paling cepat 2 (dua) tahun. Adapun penilaian dalam
proses kenaikan gaji berkala karyawan meliputi kehadiran, kedisiplinan dan
loyalitas, berdasarkan surat keputusan Rektor Universitas Labuhanbatu.
Kehadiran merupakan salah satu pedoman penilaian karyawan dalam proses
tersebut. Kehadiran seorang karyawan dapat dilihat dari data kehadiran yang telah
terdata baik secara manual maupun otomatis. Fakultas Sain Dan Teknologi yang
terdapat 4 Prodi Yaitu Agroteknologi, Sistem Informasi, Teknologi Informasi,dan
Manajemen Informatika data kehadiran setiap karyawan telah terdata secara
otomatis dengan menggunakan alat pencatat, yaitu Fingerprint. Data kehadiran
tersebut belum dapat dimanfaatkan secara maksimal. Hal ini dapat penulis lihat dari
observasi yang dilakukan, bahwa data kehadiran tersebut hanya digunakan untuk
pembayaran gaji karyawan.
Berdasarkan penjelasan diatas, maka perlu dilakukan penelitian untuk
pengolahan data kehadiran dengan menggunakan algoritma apriori dan pengujian
menggunakan software rosetta. Sehingga dapat membantu Fakultas Sain dan
Teknologi dalam memperoleh penilaian kinerja karyawan dalam data kehadiran
yang dimilikinya, selain untuk penghitungan gaji karyawan serta dapat membantu
menyajikan informasi tentang karyawan yang berhak mendapatkan rekomendasi
untuk dikategorikan yang terbaik berkala di Fakultas Sain dan Teknolog
diUniversitas LabuhanBatu.

2. LANDASAN TEORI
2.1. Knowledge Discovery in Databases (KDD)
Knowledge Discovery in Databases (KDD) sering kali digunakan secara bergantian
dengan Data Mining untuk menjelaskan proses penggalian informasi tersembunyi
dalam suatu basis data yang besar. Sebenarnya kedua istilah tersebut memiliki konsep
yang berbeda akan tetapi berkaitan satu sama lain.

pISSN: 2774-7751 |
3 | Journal Computer Science and Information Technology(JCoInT)
Program Studi Teknologi Informasi, Fakultas Sains & Teknologi, Universitas Labuhanbatu
Volume: 1 Issue 1, November 2020, Page: 16-22
ISSN: 2774-7751
Journal Homepage : http://jurnal.ulb.ac.id/index.php/JCoInT/index

2.2. Association Rules

Association rules merupakan salah satu metode yang bertujuan mencari pola yang sering
muncul di antara banyak transakasi, di mana setiap transaksi terdiri dari beberapa item. Analisis
asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan
asosiasi antara suatu kombinasi item. Interestingness measure yang dapat digunakan dalam
Data Mining adalah [2] :
a. Support, adalah suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu
item atau itemset dari keseluruhan transaksi.
b. Confidence, adalah suatu ukuran yang menunjukkan hubungan antar dua item secara
conditional (berdasarkan suatu kondisi tertentu).

2.3. Algoritma Apriori

Algoritma Apriori merupakan salah satu teknik yang digunakan dalam proses Data Mining.
Algoritma Apriori adalah algoritma yang paling terkenal untuk menemukan pola frekuensi
tinggi. Terdapat dua proses utama dalam algoritma Apriori [3] yaitu :

a. Join (penggabungan) Dalam proses ini, setiap item dikombinasikan dengan item lain
sampai tidak dapat terbentuk kombinasi lagi.
b. Pruning (pemangkasan) Pada proses ini, hasil kombinasi item akan dipangkas
berdasarkan minimum support yang telah ditentukan.
Algoritma Apriori dibagi menjadi beberapa tahap yang disebut narasi atau pass [4] adalah
sebagai berikut :

1. Pembentukan kandidat itemset. Kandidat k-itemset dibentuk dari kombinasi (k-1)-itemset

yang didapat dari iterasi sebelumnya. Satu cara dari algoritma apriori adalah pemangkasan
kandidat k-itemset yang subsetnya berisi k-1 item tidak termasuk dalam pola frekuensi
tinggi dengan panjang k-1.
2. Penghitungan support dari tiap kandidat k-itemset. Support dari tiap kandidat k-itemset
didapat dengan men-scan database untuk menghitung jumlah transaksi yang memuat
semua item didalam kandidat k-itemset tersebut. Ini adalah juga ciri dari algoritma apriori
dimana diperlukan penghitungan dengan cara seluruh database sebanyak k-itemset
terpanjang.
3. Tetapkan pola frekuensi tinggi. Pola frekuensi tinggi yang memuat k-item atau k-itemset
ditetapkan dari kandidat k-itemset yang support-nya lebih besar dari minimum support.
4. Bila tidak didapat pola frekuensi tinggi baru maka seluruh proses dihentikan.
3. METODOLOGI PENELITIAN
Metodologi penelitian adalah sekumpulan proses yang sistematis dalam menemukan hasil
yang dicapai. Metodologi ini menekankan pada pemecahan dari sistem kedalam subsistem yang
lebih kecil, sehingga akan lebih mudah untuk dipahami, dirancang dan ditetapkan. Metodologi
ini erat kaitannya dengan prosedur, alat, serta desain penelitian yang dipergunakan di dalam
melaksanakan penelitian.

4. HASIL DAN PEMBAHASAN

Algoritma Apriori dilakukan dengan beberapa tahapan yang disebut dengan iterasi.
Tahapan tersebut dijelaskan sebagai berikut :

Tabel 1. Tabel Kategori Kehadira Dosen FST

 Journal Computer Science and Information Technology(JCoInT)| 4

Informasi Datang
Kategori
Kehadiran

A1 Datang Cepat

A2 Tepat Waktu

A3 Terlambat

B1 Datang Terlalu Cepat

B2 Datang Terlambat

B3 Sering Terlambat

B4 Cukup

Tabel 2. Tabel Contoh Data Kehadiran Dosen Masrizal, S.Kom,M.Kom

Jam Keluar
Jam Masuk
Informasi Informasi
kerja
kerja

Datang Terlalu
08:45 17:30 Baik
Cepat

Datang Terlalu
08:47 17:30 Baik
Cepat

Datang Terlalu
08:48 17:30 Baik
Cepat

08:50 Datang cepat 17:33 Baik

08:55 Datang cepat 17:33 Baik

08:59 Datang cepat 17:33 Baik

09:10 Datang cepat 17:35 Baik

09:15 Datang cepat 17:35 Baik

09:25 Datang cepat 17:36 Baik

09:30 Tepat waktu 17:35 Baik

09:35 Tepat waktu 17:35 Baik

09:40 Tepat waktu 17:35 Baik

09:42 Tepat waktu 17:35 Baik

09:45 Tepat waktu 17:35 Baik

Datang
09:55 17:35 Baik
Terlambat

09:59 Datang Terlambat 17:37 Cukup

10:00 Datang Terlambat 17:38 Cukup

10:10 Sering terlambat 17:37 Cukup

10:15 Sering Terlambat 17:45 Cukup

10:20 Terlambat 18:00 Sederhana

10:22 Terlambat 18:45 Cukup

10:23 Cukup 19:00 Jelek

10:25 Cukup 19:00 Jelak

Dengan menggunakan algoritma Apriori akan dilakukan pencarian pola atau rule melalui
proses iterasi untuk mengetahui informasi berdasarkan kehadiran.

pISSN: 2774-7751 |
5 | Journal Computer Science and Information Technology(JCoInT)
Program Studi Teknologi Informasi, Fakultas Sains & Teknologi, Universitas Labuhanbatu
Volume: 1 Issue 1, November 2020, Page: 16-22
ISSN: 2774-7751
Journal Homepage : http://jurnal.ulb.ac.id/index.php/JCoInT/index

1. Pada iterasi pertama support dari setiap item dihitung dengan melakukan scan database.
Setelah support dari setiap item diketahui, maka item yang memiliki support yang tertinggi
dengan kombinasi 1 atau 1-itemset. Dari data kehadiran karyawan tersebut pada iterasi
pertama didapat kandidat pertama (C1) seperti pada tabel 3.
Tabel 3. Tabel Kandidat 1 (1-Itemset)
Itemset Jumlah Support

A1 18 9%

A2 23 12%

A3 25 15%

B1 8 2%

B2 15 10%

B3 35 17%

2. Pada iterasi kedua dilakukan lagi scan database yang memiliki 2-itemset. Kemudian untuk
setiap 2-itemset tersebut dihitung supportnya.
Tabel 4. Tabel Kandidat 2 (2-Itemset)
Itemset Jumlah Support

A1, B1 15 30 %

A1, B2 3 6%

A1, B3 4 8%

A2, B1 7 14 %

A2, B3 2 4%

A3, B1 4 8%

A3, B2 1 2%

A3, B3 14 28 %

3. Iterasi ketiga tidak dilanjutkan, karena pada tabel 2 data kehadiran hanya memiliki 2
kombinasi. Berdasarkan iterasi kedua, maka dilakukan penemuan aturan asosiasi dengan
menghitung nilai kepastian atau kebenaran (confidence) dari 2 kandidat.
Tabel 5. Tabel Penemuan Aturan Asosiasi
Aturan Jumlah
Jika datang tepat waktu (45/22) x 100% 88.96%
maka pulang tepat waktu

Berdasarkan tabel 5, informasi kehadiran dan kepulangan yang paling sering dilakukan oleh
Dosen atau Karyawan adalah datang tepat waktu, pulang tepat waktu dengan nilai confidence
88.96%. Dengan diketahuinya informasi kehadiran dan kepulangan yang paling sering
dilakukan oleh diikatkan salah satu dosen kinerja diuniversitas labuhanbatu, maka Fakultas
KedokterSains dan Teknologi dapat menentukan karyawan dosennya yang akan diberikan
rekomendasi untuk kinerja terbaik berkala berdasarkan kombinasi itemset informasi kehadiran
yang terbentuk.
 Journal Computer Science and Information Technology(JCoInT)| 6

Dalam proses Dosen terbaik difakultas sain dan teknologi karyawan knerja universitas
labuhanbatu, yang dilakukan per 2 tahun, ada beberapa kategori seorang karyawan untuk
mendapatkan rekomendasi dari pimpinan, yaitu :

1. Seorang karyawan/ dosen kinerja universitas labuhanbatu hadir tepat waktu atau cepat dan
pulang tepat waktu atau lembur, maka karyawan tersebut diberikan rekomendasi untuk
dapat diproses dalam kenaikan gaji berkala dan diberikan reward atas kinerja yang telah
dilakukannya dengan baik/sangat baik.
2. Seorang karyawan/dosen kinerja hadir terlambat dan pulang cepat, maka karaywan
tersebut tidak diberikan rekomendasi untuk diproses dalam kenaikan gaji berkala dan
karyawan tersebut diberikan pembinaan untuk peningkatan kinerjanya.
Berdasarkan kombinasi yang terbentuk dan nilai kepastian atau kebenaran (confidence)
yang ditemukan serta ketentuan yang berlaku difakultas sain dan teknologi Universitas
labuhanbatu, maka karyawan dosen kinerja atas nama Masrizal, S.Kom,M.Kom dapat diberikan
rekomendasi dalam proses Dosen Terbaik dalam tingkat Kinerja berkalanya.

5. Kesimpulan
5.1 Simpulan
Kesimpulan yang diperoleh adalah penggunaan algoritma Apriori dapat dilakukan terhadap
pengolahan data kehadiran karyawan dosen yag terbaik, sehingga dapat diambil informasi
tersembunyi yang akan digunakan pimpinan dalam melakukan pertimbangan untuk
merekomendasikan karyawan dosen dalam proses terbaik dalam tingkat kinerja berkala yang
dilakukan dalam waktu 2 tahun.

5.2 Saran
Berdasarkan penelitian yang dilakukan hanya diterapkan pada data kehadiran karyawan/Dosen
dan perlu diadakan penelitian lebih lanjut tentang data pendukung lainnya dalam melakukan
proses tingkat kinerja berkala. Sehingga data yang dihasilkan dapat lebih akurat diperoleh oleh
pimpinan sebagai bahan pertimbangan kenaikan gaji berkala tersebut.

Daftar Rujukan

[1] Permansari, Ragil. 2013. “Pengaruh Motivasi dan Lingkungan Kerja Terhadap Kinerja
PT. Augrah Raharjo Semarang”. Management Analisys Journal (MAJ) Vol. 2 No. 2 Tahun
2013: p. 1–6.
[2] Defit, S. 2013. “Penggunaan Algorithma Apriori dalam Menganalisa Prilaku
Mahasiswa Dalam Memilih Mata Kuliah (Studi Kasus : Fkip Upi “ Yptk ”)”. Jurnal Media
Processor Vol. 8 No. 3 Oktober 2013; p. 31–42.
[3] Ariana, A.A.G.B., & Asana, I.M.D.P. 2013.“Analisis Keranjang Belanja Dengan
Algoritma Apriori Pada Perusahaan Retail: Apriori Pada Perusahaan Retail Support ( A
, B )”. Seminar Nasional Sistem Informasi Indonesia, 2–4 Desember 2013.
[4] Tampubolon, K., Saragih, H., Reza, B., Epicentrum, K., Asosiasi, A., & Apriori, A.
2013. “Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan”. Informasi Dan Teknologi Ilmiah, 93–106. https://doi.org/2339-210X
[5] Anggraeni,H.D,dkk, 2013, Aplikasi Data Mining Analisisi Data Transaksi
Penjualan Obat Menggunakan Algoritma Apriori (Studi Kasus di Apotek Setya Sehat
Semarang

pISSN: 2774-7751 |
7 | Journal Computer Science and Information Technology(JCoInT)
Program Studi Teknologi Informasi, Fakultas Sains & Teknologi, Universitas Labuhanbatu
Volume: 1 Issue 1, November 2020, Page: 16-22
ISSN: 2774-7751
Journal Homepage : http://jurnal.ulb.ac.id/index.php/JCoInT/index

[6] Erlina. C, 2015, Pencarian Metode Rough Set Data Nasabah Kredit Pada Pihak
Bank
[7] Janaloka,Y.T., 2012, Analisi Rasio Keuangan Untuk Menilai Kinerja Perusahaan
Telekomunikasi Yang Terdaftar Dibursa Efek